视频测流技术在都江堰灌区的应用研究

朱 蕾,徐 凌,王 冬 梅,郑 石 柱,张 弛

(1.四川省都江堰水利发展中心,四川 都江堰 611800; 2.北京靖华智云科技有限公司,北京 101299)

0 引 言

精确的流量测量是保证灌区水资源精细化配置、提高农业灌溉用水管理水平、实现灌区高质量发展的基础。经过长期发展,目前灌区可用的测流设备/设施/方法已达上百种[1-3],如流速仪法、浮标法、各种量水建筑物或特设量水设施(量水堰、量水槽等)、基于超声/雷达/电磁等原理的非接触自动化测流设备等,这些测流设备/设施/方法在流量测量工作中发挥了重要作用。随着科学技术的快速发展,新兴测流手段不断涌现,其中视频测流方法由于其具备非接触、节省人工、连续测量、兼具监控等优点,近些年在河道及灌区流量测验中逐步推广应用[4-5]。

随着视频测流的推广,研究其在不同河道/灌区现场应用时的测流精度十分必要。Muste等[6]和Stumpfa等[7]分别分析了视频测流在爱荷华(Iowa)河和留尼旺(Réunion)岛某山区河流上应用时的测流精度和适应性。Detert等[8]以瑞士穆尔格(Murg)河应用实践为例,探讨了基于无人机的视频测流技术在流量测量中应用的可行性。Le等[9]通过算法分析并结合具体测流断面,对视频测流坐标系转换误差对测流结果的影响进行了分析。与国外相比,国内研究则相对滞后,近些年相关研究才逐步涌现,例如:黄伟成等[10]、李昌龙等[11]及陈梦等[12]分别结合视频测流在典型站点的实践应用案例,对视频测流应用的精度和适应性进行了案例分析。总体来讲目前对于视频测流精度的研究还处于积累阶段。前期研究显示视频测流精度与测流应用断面情况密切相关,在不同河道/灌区中存在差异。随着视频测流进一步推广,有必要在更多河道/灌区中开展视频测流现场应用的测流精度研究。

四川都江堰灌区作为全国3个灌溉面积1 000万亩以上的特大型灌区之一,以占四川省约1/20的土地养育着全省1/3的人口,贡献了近50%的生产总值[13-14],在四川省粮食安全、经济发展及社会稳定中具有极其重要的战略地位。近年来,在信息化建设的时代背景下,都江堰灌区逐步引进视频测流进行试点,积累了一定的测流数据,但目前对测流数据的精度和适应性还缺乏量化表征。

本次研究将以都江堰灌区应用视频测流的两个典型断面为例,对视频测流在都江堰灌区现场应用精度和适应性进行分析,以期为视频测流技术的算法优化及其在都江堰以及其他灌区的推广应用实践提供参考。

1 视频测流概况

视频测流技术(见图1)是基于河流或渠道表面水体视频,采用图像处理方法解析表面流速分布和水位信息,结合断面形态数据计算过水断面流量的方法。其算法主要包括水位识别算法、图像测速算法和流量反演算法。不同厂家的设备在算法实现上通常各有不同,现以本次研究中所使用的视频测流设备为例,对上述算法进行简要说明。

图1 视频测流技术示意

1.1 水位识别

基于获取的视频图像(画面中包含水尺和水面)对水位进行识别。以本文视频测流设备为例,其水位识别的主要步骤见图2,具体如下。

图2 水位识别算法

(1) 图像预处理:利用高斯滤波的方法对图像进行滤波降噪处理,去除图像噪点。

(2) 模型检测水尺:基于水尺样本和非水尺训练的模型,对图像中的水尺进行位置检测。

(3) 水尺数字分割识别:基于检测出的水尺位置结合水尺上数字与水尺的相对位置,推算水尺数字区域在图像中的具体位置。将水尺数字区域进行二值化操作并进行水平与垂直投影,确定水尺上各数字的精确位置和数字识别结果。

(4) 水位线检测:利用水面与水尺区域纹理的差异,进行水位线的检测。

(5) 水位读数计算:利用步骤(3)中水尺数字分割识别结果与步骤(4)中的水位线检测结果,以及距离水位线最近的数字的识别结果,综合推算出当前水位的读数。

1.2 图像测速

图像测速算法是通过设备获取的河道表面视频图像,跟踪两帧图像之间水面同名特征点的位移来计算表面流场,具体为:对图像进行特征点的检测和匹配,然后再将特征点的像素坐标转换为物理空间坐标,结合根据帧率计算出的图像帧间时间,计算出水面流速,该方法具有很好的鲁棒性,计算结果可靠。在夜间通过红外补光等方式也可以获取清晰的河道水面图像,达到可视化的水平,算法可充分适应在夜晚环境下进行测流,实现在夜间的可用性。

1.3 流量反演

由识别的水位和表面流速可反演流量,其核心是流速面积法。以本文视频测流系统的流量反演为例,其在断面设置n条垂线,垂线号记作r1-rn,将整个过流断面分成(n-1)块,示意见图3。

图3 流量反演断面划分示意

根据表面流速特征点所在位置的起点距,将特征点的流速分别统计到垂线r1～rn:如r1-r2之间的特征点流速统计到垂线号r1;r2-r3之间的特征点流速统计到垂线号r2;依此类推。各垂线的表面流速记作V1～Vn。之后依照梯形面积计算公式计算各分块面积:S1=(水位-r1的河底高程)+(水位-r2的河底高程)]/2×(r2的起点距-r1的起点距);S2=(水位-r2的河底高程)+(水位-r3的河底高程)]/2×(r3的起点距-r2起点距);依此类推。从而,断面的流量为

(1)

式中:Ci为由表面流速转换为平均流速的转换系数(小于1,通常在0.8～0.9之间),由设备厂商内置于设备算法中。

而断面的平均流速为

V=Q/S

(2)

式中:S为总过水面积。

2 测流断面及设备布置

2.1 测流断面情况

都江堰灌区地处四川盆地西部,位于东经103°29′～105°24′,北纬29°24′～31°29′,地跨岷江、沱江、涪江三大流域,总幅员面积2.86万km2[15-16]。本次研究选取的黑石河出口断面和岷江堰断面均位于都江堰灌区境内。黑石河出口断面为自然形成河流断面,形状复杂,流量较大,目前左侧河床内淤泥较多,且整个河槽内水草众多,断面实景及地形见图4。岷江堰观测断面两岸为混凝土河堤,断面原为梯形河床,形状规则,流量较小。两测流断面在断面复杂性、流量大小上区分度明显,代表性良好,可支持断面复杂性及流量对视频测流精度影响的对比分析。

图4 测流断面实景及地形

2.2 视频测流设备布置

黑石河出口和岷江堰断面的视频测流设备来自国内同一厂商,测流算法相同,仅硬件有所差异。对于宽度较大的黑石河出口断面,为保证测流精度,其水位和流速测量由两台球机分别完成,测流设备由水位识别球机、流速识别球机、太阳能供电系统、数据存储及传输模块组成。设备适用于宽河/渠道测量,主要技术指标如下:流速测量范围为0.5～15 m/s;水位识别距离100 m,识别误差±2 cm;测流有效距离100 m;测流精度≤10%。整套设备立杆安装在河道右岸河堤上,见图4(a),对岸布置有直立水尺4根,用于水位测定。

对于宽度较窄的岷江堰断面,其流速和水位测量则可由一台枪机完成,测流设备由一台水位流速识别枪机、太阳能供电系统、数据存储及传输模块组成。这套设备适用于窄河/渠道场景,主要技术指标如下:流速测量范围0.5～15 m/s;水位识别距离20 m,识别误差±2 cm;测流有效距离20 m;测流精度≤10%。整套设备立杆安装于渠道左岸,对岸布设有水尺用于水位检定,见图4(c)。

两断面视频测流设备在完成架设和参数率定后,实时在线连续测量断面水位、流量及断面平均流速,每小时上传1次数据。视频测流数据传输与上传设备前端采用4G网络通信,测站通信规约符合《四川省水文信息采集系统信息技术规约和协议》的规定,确保数据按四川省规范正常入库。截至2023年2月,设备已存储4～5个月实测数据,可有效支撑视频测流精度分析。

2.3 断面水位流量关系检定设备

为检定视频测流精度,基于遥控船载走航式声学多普勒流速剖面仪(产品型号:桑泰克(M9),ADCP)对两个测流断面的水位流量进行了测量并构建水位-流量关系曲线。依托查线流量作为基准即可检定视频测流设备所测流量值的误差/精度。

3 结果分析

3.1 水位-流量关系曲线构建

本研究在黑石河出口断面和岷江堰断面利用ADCP流速仪分别获得测流结果10组,构建了水位-流量关系曲线(见图5)。

图5 测流断面水位流量关系曲线

按照规范要求,根据GB 50179-2015《河道流量测验规范》制定了水位流量关系表,对其进行符号检验、适线检验和偏离数值检验。表1给出了水位-流量关系曲线可靠性验证结果,其中黑石河出口断面和岷江堰断面符号检验均达到α=0.25显著性水平,判定为合格;两处断面适线检验结果均为-0.67,达到免检标准;黑石河出口断面偏离数值检验|t|=0.05,显著性水平α=0.01,达到合格标准,岷江堰断面则分别为|t|=0.22和α=0.01,同样达到合格标准。上述检验结果表明水位流量关系定线合理,3项检验均满足要求。

3.2 比测检验

基于3.1节ADCP实测结果给出的水位-流量关系曲线,本节研究首先在前期对视频测流设备的测流结果进行了比测检验。根据GB50179-2015《河道流量测验规范》和SCSW 001-2002《水文测量及资料整编补充规定》中比测的相关规定,分别在黑石河出口断面选取了2022年9月17日至10月31日期间低、中水位超过430.10 m的43测次的流量样本,在岷江堰断面选取了2022年11月6～9日期间水位超过430.10 m以上的31次流量样本进行分析。图6(a)和图6(b)分别展示了黑石河出口断面和岷江堰断面视频测流系统实测流量与基本水尺断面相应水位查线流量的拟合关系。结果表明,黑石河出口断面视频测流系统流量与查线流量有相关关系,测流系统虚流量综合系数为0.809 3,线性相关系数则达到了0.936。岷江堰断面上述关系的综合系数和线性相关系数则分别为0.842 7和0.998 9。根据SL/T 247-2020《水文资料整编规范》将异常数据进行剔除后,对黑石河出口断面40测次和岷江堰断面31测次样本进行3项合理性检验,结果见表2。不难看出本次视频测流系统系数在两处测流断面率定符合规范要求,结果合理,满足对系数分析的精度要求。

表2 视频实测流量与查线流量关系检验

图6 实测视频流量与查线流量相关关系

3.3 观测断面流量特征

基于黑石河出口断面2022年8月31日至2023年2月7日,岷江堰断面2022年11月8日至2023年2月8日的测量数据对断面流量特征进行分析。图7(a)和图7(b)分别展示了两断面的视频实测流量的时间序列(对水位和流量近似等于零和明显错误的数据点进行了剔除)。为直观展示流量测量的偏差情况,基于水位流量关系曲线的查线值也在图中一并列出。从图中可以看出,两断面视频测量的流量虽然与水位流量关系曲线查线值整体较为接近,但也存在一定程度的偏差。

图7 断面流量时间序列

黑石河出口断面视频测流结果较水位流量关系曲线查线值偏低,且由于黑石河出口断面在进入10月以后,河流流量较高,这也导致了视频测流结果与水位流量关系曲线查线值相比有较大差异。相比而言,岷江堰断面视频测流结果与水位流量关系曲线查线值则表现出更好的一致性,两者的偏差也较小。

3.4 测流精度和适应性分析

为定量分析视频测量流量精度,以水位流量关系曲线查线流量为基准,计算视频测量流量的偏差率:(视频实测流量-查线流量)/查线流量×100%。

图8(a)和图8(b)首先分别展示了黑石河出口断面和岷江堰断面原始未经流量校正的视频测量流量偏差率的分布情况。由3.2节比测检验中的实测与查线流量相关图可知,两断面视频测量流量存在一定的固有偏差,为规避这一固有偏差的影响从而增强结果的代表性,利用实测与查线流量相关图中得出的系数对原始视频测量的流量进行了校正并重新计算流量偏差率,校正后的流量偏差率分布如图9(a)和图9(b)所示。

图8 校正前视频测量的流量偏差率分布

图9 校正后视频测量的流量偏差率分布

从图8和图9可以看出,在未进行流量校正时,两断面视频测量流量的偏差均相对较大,而经过校正后,偏差范围和平均偏差均明显减小。其中,黑石河出口断面偏差范围由校正前的-50%～234%缩小到了校正后的-59%～170%,平均偏差也从68%下降到了36%。岷江堰断面流量偏差范围校正前后则分别为-5%～27%和-11%～7%,平均偏差则分别为15%和-3%。

进一步对两断面校正前后视频测量的流量偏差率在不同范围的占比进行了统计(见表3)。结果显示,经过校正后两处断面视频测流量值偏差范围明显接近平均偏差,但黑石河出口断面仍存在较大误差(仍有68%的数据点误差超过20%),而岷江堰断面则除个别异常点外,几乎全部(99.8%)数据点的误差收敛于10%以内,95.6%的数据点误差收敛于5%以内。上述结果表明本次研究所采用的视频测流设备在流量较低、断面形状规则的岷江堰断面表现出良好的精度和适应性,而在流量较大、断面形状较复杂的黑石河出口断面则精度和适应性相对较差,需要进一步优化和改进。

与前人视频测流设备在其他站点的精度分析结果对比(见表4),以揭示本文都江堰视频测流精度结果的相似/差异性。从表4的结果对比可知,都江堰灌区的视频测流精度与前人结果范围大体相当(偏差最大均在30%左右)。特别地,受断面复杂性的影响,本文断面较为复杂的黑石河出口断面,其视频测流偏差36%略微大于已有报道的30%。

3.5 两断面视频测流偏差差异的原因讨论

由于断面的复杂程度及过流流量(或等价的水位、断面平均流速)是两个测流断面的主要差异,因此两断面视频测流偏差幅度大小差异的原因与上述因素密切相关。为探明内在原因,图10和图11依次展示了两个断面视频测量的流量偏差率、断面平均流速随水位的变化。为更好揭示流量偏差与断面的关联,图中一并绘制了断面的地形变化。

图11 岷江堰断面典型参数随水位或高程的变化

对比图10和图11不难看出,黑石河出口断面流量偏差不仅幅值大,而且随水位变化显著,随水位的升高,其流量测量偏差由150%左右快速变化至-60%左右。结合断面平均流速和断面地形变化可以发现,黑石河出口断面流量测量偏差大且剧烈变化的原因是断面的复杂性。具体来讲,低水位时过流断面过于窄深,导致表面流速代表性较差,从而计算流量和断面平均流速存在较大偏差。而随着水位的增高,水位又开始进入断面由窄陡然变宽的高程附近,在该高程和水位范围内,水面宽度及过流断面面积变化显著,同样降低了表面流速的代表性,加之过流断面本身较宽、流量较大,使得推求的流量和断面平均流速偏差较大且波动显著。

对比而言,岷江堰断面流量偏差较小的原因在于断面相对宽浅且简单,随着水位和高程的变化,过流断面为渐变过程(不存在复杂断面地形而引起的过流断面突变现象),因此,在整个测量水深范围内,其断面流速呈现出符合预期的随水位的升高而渐变增大的趋势,流速代表性较好,加之本身断面不宽、流量也不大,从而保证了较高的测流精度。

4 结 论

为探究视频测流在都江堰灌区的应用精度和适应性,本研究以灌区两个典型视频测流试点断面(断面形状不规则、流量较大的黑石河出口断面和断面形状规则、流量较小的岷江堰断面)为例,对视频测流在两断面的测流精度进行了量化和对比分析。研究发现:由于断面形状较为复杂且流量变化较大,黑石河出口断面视频测流的流量测量偏差幅度和平均偏差均较大(流量测量偏差在-59%～170%,平均偏差达36%),精度和适应性较差;而在断面规则且流量变化较小的岷江堰断面,视频测流的精度则较高(流量测量偏差在-11%～7%,平均偏差仅为-3%),适应性更好。

在后续应用中,应尽量规避复杂地形断面(如本文中黑石河出口具有窄深沟槽、断面在某高程突然扩宽等的复杂断面)对视频测流精度的不利影响,当现场难以避免此类断面时,可通过采取算法优化或结果校正等措施降低断面对测流精度的影响,以使视频测流更好地服务灌区流量测量,以为水资源精细化管理提供质量更高的水位-流量数据支持。